Adaptive metal deposition and data management for automated overhaul of complex turbine components
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The manufacture and repair of turbine components consist of a chain of different processes. Many of these processes are carried out manually today, especially in the case of repair. Since maintenance, repair and overhaul (MRO) are of vital importance for aircraft engines and industrial turbines from the point of view of process technology, safety and economics, special attention should be devoted to automating the repair of turbine components. For example: At present the repair of blisks (blade-integrated disks) is a central issue whenever consideration is given to replacing bladed stages with blisks; however, the feasibility of such a step hinges on the available capabilities for automated repair. A generic data management system has been developed which will constitute the core of automated repair systems for turbine components. The web-based data management system handles the logistics of the components and the accompanying data sets. As a result, different repair processes can be carried out at different facilities without any loss of information (“virtual workshop”). Furthermore, the approach described supports efficient part flow control as well as life cycle monitoring. In addition to the data management developments, existing repair methods have been improved by employing adaptive machining technology that makes use of the geometrical information provided by dedicated scanning systems or in-process measuring devices and compensates for the part-to-part variation and inaccurate clamping position of the turbine components to be machined. Different types of damage and repair methods have to be taken into account for compressor components as well as for turbine components. Here, a special focus is on the automated repair of complex components (such as blisks) and recent advances in this area.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle